[发明专利]一种不确定信息融合的应急物资分布需求预测方法

权利要求书

1.一种不确定信息融合的应急物资分布需求预测方法，其特征在于：包括如下步骤，

步骤1，分析历史灾情数据库中各范例的基本属性，提取范例的共同特征，将这些特征运用粗糙集方法进行简约；

步骤2，根据简约后的各条件属性对物资预测结果的影响程度计算出属性权重值；

步骤3，对条件属性值和决策属性值相同的范例进行进一步简约；

步骤4，将进一步简约后的灾情数据运用K-means方法将案例分为K类，找出这些类的中心点，并根据当前案例与各类中心点之间的距离判断当前案例属于哪一类；

步骤5，根据范例相似度的计算方法，检索出相似度最高的历史目标范例；

步骤6，根据目标范例的物资消耗以及范例属性权重值来线性推测当前范例的物资需求量；

所述步骤2包括：

步骤21，需计算出简约后范例的各条件属性对物资预测结果的影响程度，用属性权重值ω_j表示；灾情范例条件属性集F＝{f₁,f₂,...,f_m}的影响权重集为{ω₁,ω₂,...,ω_m}，且满足：

步骤22，n(f)表示灾情范例在条件属性为f时的取值，当n(f)在范例库C＝{C₁,C₂,...,C_n}中的取值差异比较大的时候，表明该条件属性对分类的判别影响也比较大，应赋予较高权重值；反之，当n(f)在分类中的取值差异比较小的时候，表明该条件属性对分类的判别影响也不大，应取较小的权重值；

步骤23，将灾情范例数据库中的每一个范例当做一类；范例C_i在条件属性f_j下的取值n(f_j)为该案例在特征因素f_j下的隶属度函数并有：

均方差为：

则可求得灾情范例各条件属性的权重ω_j为：

2.如权利要求1所述的应急物资分布需求预测方法，其特征在于：所述步骤1包括：

步骤11，设S＝(C,B)为历史灾情范例数据库，C_n为第n个范例，B为范例属性所组成的集合，即B＝F∪D，

其中，F＝{f₁,f₂,...,f_m}为灾情范例的条件属性集，即和地震有关的情景特征因素信息集，f_m为第m个灾情属性的信息；D＝{D₁,D₂,...,D_i}为决策属性集，即主要应急物资需求集，D_i为灾区第i类物资的需求量，D₀表示耐用品需求量，D₁表示消耗品需求量；

步骤12，给定各条件属性阈值，范例条件属性值满足阈值要求为1，否则为0，按此规则生成0-1信息表，如果C/ind(F)＝C/ind(F-{f_m})，则属性f_m是可以约简的，否则是不可约简的。

3.如权利要求1所述的应急物资分布需求预测方法，其特征在于：所述步骤3包括：

F表示灾情范例条件属性的集合，D表示灾情范例决策属性的集合，则有：r_ij:des(f_i)→des(d_j)，F_i∩D_j≠φ表示由条件属性到决策属性的决策规则集；cover(r_ij)＝|F_i∩D_j|/|B|，F_i∩D_j≠φ为灾情救援优先级决策规则r_ij的覆盖度。

4.如权利要求1所述的应急物资分布需求预测方法，其特征在于：所述步骤3包括：根据进一步简约后的范例构造救援优先级决策规则，统计各规则发生的频率并计算其覆盖度，当条件覆盖度大于一定阈值时，说明该规则成立，则可得出当前案例的救援优先级。